基于 Monte-Carlo 模拟的进场排序不确定性研究

为了提升终端区航班排序抵御不确定因素扰动风险的能力,保证航班运行效率及降低延误损失,综合考虑终端区运行的多种约束限制.基于不确定性因素对进场航班影响分析,以航班总延误和管制干预最小为目标,建立进场航班排序的多目标随机期望值模型.应用 Monte-Carlo 模拟方法刻画航班运行状态随机变量的统计特征,将模型所求目标函数值表征为随机模拟的数学期望,设计了带精英策略的非支配排序遗传算法(NSGA-II)寻求模型的 Pareto 最优解集,绘制不同阈值的缓冲间隔下得出 Pareto 前沿拟合曲线.采用广州终端区典型时段进场航班数据进行仿真验证,结果表明模型中不同阈值范围的缓冲间隔设置,可提供权衡航班延误和管制干预之间的合理化建议,且最高可降低32.4%的航班延误.所提方法能有效缓解繁忙机场航班延误,提升航空运输服务能力.      

基于点融合的多跑道进场航班排序

为提高点融合程序下的多跑道机场的进场航班运行效率,考虑点融合程序下终端区进场程序结构复杂的特点,提出以0-1整数规划为基础的多跑道进场航班优化排序模型.以进场航班的总延误时间、总飞行时间为最小目标函数,以尾流间隔、跑道限制、进场航班的飞行时间范围以及可分配进场程序为约束条件,将不同进场程序及跑道分配给不同的进场航班,确定航班的飞行时间、落地时刻,最终求得航班的落地序列.以浦东机场进场程序为例,选取含精英策略的非支配遗传算法对浦东机场的双落跑道进行进场航班优化排序,最后与实际结果对比.优化方案的飞行时间和延误时间分别为51048 s和1174 s,相较于实际结果降低了2.1％和38.2％,单位小时内跑道着陆架次提高了7架,跑道流量提高了20％左右.     

基于点融合的多跑道进场航班排序

为提高点融合程序下的多跑道机场的进场航班运行效率,考虑点融合程序下终端区进场程序结构复杂的特点,提出以0-1整数规划为基础的多跑道进场航班优化排序模型.以进场航班的总延误时间、总飞行时间为最小目标函数,以尾流间隔、跑道限制、进场航班的飞行时间范围以及可分配进场程序为约束条件,将不同进场程序及跑道分配给不同的进场航班,确定航班的飞行时间、落地时刻,最终求得航班的落地序列.以浦东机场进场程序为例,选取含精英策略的非支配遗传算法对浦东机场的双落跑道进行进场航班优化排序,最后与实际结果对比.优化方案的飞行时间和延误时间分别为51048 s和1174 s,相较于实际结果降低了2.1％和38.2％,单位小时内跑道着陆架次提高了7架,跑道流量提高了20％左右.     

终端区空中交通流量管理中的航班动态排序系统研究

终端区交通流量管理自动化是现代化交通流量管理的目标。章通过对终端区空中交通流量管理中连续航班的动态飞机排序问题的研究，建立了飞机流排序的动态模型和终端区空中交通流量管理的动态排序算法，并运用C Builder语言实现了终端区空中交通流量管理中的航班动态排序系统，使得所有航班的空中等待成本总和最小。经比较，表明章所介绍的方法计算效率高，实用可行。     

多机场终端区进场交通流建模与仿真分析

为了揭示多机场终端区交通系统拥堵机理,从多机场终端区交通流基本运行特征出发,定义了空中交通流特征参数.考虑空中管制员的反应时间,运用跟驰理论和局域先到先服务原则,建立了符合管制认知的进场交通流模型.结合某终端区实例,在模型的基础上运用NetLogo仿真工具构建三维运行场景,通过实验统计交通流宏观态势演化过程中数据,分析了交通流特征参数关系以及配流、调速对终端区运行容量影响,挖掘了交通流特性及其相变规律.仿真结果表明:①流量与速度密度乘积存在显著的线性关系,进场交通流存在明显相变与迟滞特征,可划分为自由相、畅行相、伪拥塞相和同步拥塞相等基本相态;②配流、调速对终端区运行容量有显著影响.      

恶劣天气下多航空器改航路径的仿真优化算法

针对恶劣天气下区域管制区内，多航空器改航路径规划中缺乏降低管制员工作总负荷的考虑。以贵阳区域管制区为例，研究了恶劣天气下多航空器改航路径的仿真优化算法。采用灰色模型预测飞行受限区的动态影响范围；利用几何算法预先规划可供选择的改航路径；改进离散粒子群优化算法的运算规则；以整个区域管制区内改航总路径最短和管制员工作总负荷最低为目标，结合预测的飞行受限区、预先规划的改航路径、改进离散粒子群优化算法和全空域与机场模型实现恶劣天气下多航空器改航路径的仿真优化算法。结果表明，该仿真优化算法经过多次迭代，获得了改航优化方案；与采用传统粒子群算法的仿真优化算法相比，管制员工作总负荷下降了7.52%，改航总路径距离减少了4.48%；与采用多目标粒子群算法和非支配排序遗传算法-II的改航路径算法相比，其改航路径距离略长，但考虑了管制员工作负荷的影响。该仿真优化算法能在减少改航路径距离的同时有效降低管制员工作负荷，对实际改航规划具有借鉴意义。      

多机场终端区联合放行策略优化

多机场终端区内各机场之间共享某些离场空域资源.当这些公共资源容量受限时,各机场的离场航班需地面等待.为了降低延误损失,提出了一种多机场联合放行策略.在多元受限约束下,考虑机型、航班延误成本和机场优先级等因素,以最小化总延误成本为目标,建立多机场联合放行模型.用遗传算法求解模型,仿真结果表明该优化模型能合理规划终端区内离场航班的起飞时刻,减少了航空公司的运营成本.     

机场群共用航路点的航班排序模型及算法

机场群上空空域资源共享、运行耦合复杂，拥堵往往发生在共用航路点。为缓解空域拥堵和航班延误问题，开展了机场群共用航路点的优化排序研究。针对共用航路点的运行特征，引入惩罚因子并以总延误时间成本最小为优化目标，建立了机场群共用航路点的航班优化排序模型，基于滑动时间窗算法和粒子群优化算法的原理提出了TW-PSO组合优化算法对模型进行求解。选取京津冀机场群过共用航路点的航班进行算例仿真，结果表明:TW-PSO组合优化算法与FCFS算法、滑动时间窗算法、粒子群优化算法相比在高峰时段的总延误时间成本分别减少了216，212，161 min；在算法性能方面，具有比经典算法迭代次数少、优化效果更佳的优点，能有效缓解航班延误问题，改善机场群的协同运行效率。      

管制员工作负荷回归模型及应用

根据空中交通管制员工作的特点,以时间为度量量化了管制员工作负荷,并分析了进离场飞行架次对于管制员工作负荷的影响。以进离场飞行架次为自变量,管制员工作时间为因变量,首次采用神经网络建立管制员工作负荷非线性回归模型;针对BP算法的缺点,提出了改进的BP算法;最后应用回归模型,结合DORATASK方法实现了对昆明终端区空域的容量评估。     

基于蒙特卡洛模拟的连续下降运行间隔分析

为了推动我国连续下降运行(CDO)的实施,提出了基于蒙特卡洛模拟的连续下降运行间隔分析方法.基于飞行管理计算机优化航空器四维轨迹的原理,设计了连续下降运行的垂直剖面生成模型,提出了基于反向积分策略与四阶龙格库塔方法的垂直剖面计算方法.考虑风、航空器速度、质量的不确定性对航空器轨迹的影响,利用蒙特卡洛模拟仿真策略,实现管制移交间隔的分析与评估.以广州白云国际机场ATAGA方向进场航班为例实施仿真验证,结果表明,在无管制员与飞行员进行干预的情况下,以现行30km管制移交间隔实施连续下降运行,满足运行安全的要求.起始近进定位点处航空器间隔服从均值为15.1km,方差为1.12的正态分布;间隔大于12公里的概率为99.78%.仿真结果验证了现行管制移交间隔下的连续下降运行是有效的.      

进港飞机调度的精华自适应遗传算法设计

对进港飞机进行合理调度，是空中交通流量管理的一个重要研究内容。基于精华自适应遗传算法，实现了单跑道降落飞机调度问题的求解，在不违反飞机间隔要求的情况下合理安排飞机的降落次序，给出各飞机经过优化的着陆时间，减少总的延误成本。仿真结果表明，所提出的方法计算效率高，实用可行，明显优于FCFS算法。     

交通网络中多路径优化选择算法的研究

指出了传统的多路径问题及其算法存在的缺陷,给出了多路径优化算法的几个定义,在此基础上,提出基于重叠惩罚的多路径选择算法,设计出了重叠惩罚函数数学模型结构以及路径相似性评价函数定义,对惩罚函数中的协调因数敏感性进行分析,给出了合适的协调因数。该算法能有效地解决候选路径重叠相似性问题,而平均总旅行时间比率基本不变,从而更适合驾驶人员的实际选路需求。与传统k最短路径算法进行了试验比较,结果表明该算法明显优于传统k最短路径算法。     

连续下降进近(CDA)航迹的 Gauss 伪谱优化方法

针对优化恒定下滑角的直线连续下降进近(CDA)飞行航迹问题,采用高斯伪谱法将 Bolza型最优控制问题(OCP)转化成飞行器不同襟翼状态下的非线性规划问题,得出时间优化连续下降进近飞行航迹.对连续下降进近的飞行器建立动力学模型,确定飞行位置的状态变量及航迹角的控制变量,提出时间最小化性能指标.选取 B737-800机型,在终端区和飞行状态限制条件下利用 GPOPS工具仿真高斯伪谱法时间优化航迹,确定 TOD 位置和飞行速度控制曲线.并与其它 CDA 航迹算法进行比较研究.对比分析终端区17条 CDA 航迹及1条传统阶梯式进近航迹的进近状态,结果显示,采用高斯伪谱法获得的 CDA 航迹相比于传统进近航迹的下降时间缩短了16.67%,且优于其它算法获得的 CDA 航迹.验证使用高斯伪谱法优化 CDA 航迹可节省下降时间,提高航迹预测的精度和飞行控制系统的计算效率.      

几种初至自动拾取算法在地震波法隧道超前探测中的对比分析

在地震勘探中,尤其在浅层地震勘探、层析成像和地震波法超前探测中初至时间拾取精度直接影响勘探区域地质结构的反演结果，初至时间的自动拾取也是隧道超前地质预报地震数据处理的一个关键环节。介绍4种初至自动拾取算法--最大振幅法、能量比法、STA/LTA（长短时窗比）法和AIC（峰度赤池信息量准则）法，利用云南某隧道超前地质预报采集到的1组地震数据，对4种初至自动拾取算法进行对比分析，结果显示SLA/LTA算法拾取的初至时间更为精确，AIC法、能量比法次之。进一步利用其他隧道超前地质预报采集到的几组数据进行对比分析，获得相同结论。     

改进RRT算法在复杂环境下智能车路径规划中的应用

采用快速搜索随机树（RRT）算法进行路径规划时，在存在大量随机障碍物的复杂环境下，规划出的路径曲折且算法无法快速收敛，不能满足智能车路径规划的要求。为了实现智能车路径规划，提出一种基于RRT的运动规划算法——同心圆RRT算法。该算法在RRT算法的基础上结合智能车行驶时自身运动学约束，引入同心圆采样策略和邻近点选择方法。同心圆采样策略以目标点为同心圆的圆心，利用同心圆系数m控制同心圆的疏密程度，在同心圆上生成随机点以便确定下一路径点。邻近点选择方法考虑车辆运动学约束及目标点距离因素，在满足车辆运动学约束的前提下，计算邻近系数，将最小邻近系数对应的随机树节点作为邻近点；针对得到的规划路径，进一步提出基于车辆运动学约束下的路径简化方法，对得到的路径进行简化并使用3次B样条曲线对路径平滑处理，生成一条平滑且可执行的路径。研究结果表明：m=0.5~1.5时，提出的算法规划出路径所需时间最少；车辆姿态与下一路径点的夹角约束值越大，规划出路径所需时间越少，在夹角为35°时趋于稳定；在相同的环境中，提出的算法所规划的路径质量相比于RRT算法、目标偏向RRT算法及改进RRT^*算法有显著提高，规划出路径所需时间及路径长度相比于RRT算法分别降低了43.1%和18.7%，相比于目标偏向RRT算法分别降低了7.3%和15.5%，相比于改进RRT^*算法分别降低了29.6%和7%；智能小车的实车测试试验验证了该算法的有效性和实用性。     

Reliable Shortest Path Problems in Stochastic Time-Dependent Networks

This study investigates the time-dependent reliable shortest path problem (TD-RSPP), which is commonly encountered in congested urban road networks. Two variants of TD-RSPP are considered in this study. The first variant is to determine the earliest arrival time and associated reliable shortest path for a given departure time, referred to as the “forward” TD-RSPP. The second problem is to determine the latest departure time and associated reliable shortest path for a given preferred arrival time, referred as the “backward” TD-RSPP. It is shown in this article that TD-RSPP is not reversible. The backward TD-RSPP cannot be solved by the algorithms designed for the forward problem using the reverse search from destination to origin. In this study, two efficient solution algorithms are proposed to solve the forward and backward TD-RSPP exactly and the optimality of proposed algorithms is rigorously proved. The proposed solution algorithms have potential applications in both advanced traveler information systems and stochastic dynamic traffic assignment models.     

基于站点群体聚集性客流的公交串车调度优化

为提升城市公交准点率、减少延误，解决车辆串车问题，研究基于站点群体聚集性客流的公交调度优化方法。以乘客出行意愿、乘车属性、到站规律等标识公交客流变化特征，以车辆载客限制、站点延误、到达率、下车率等描述串车形成场景。考虑准时性、客流需求、调控策略等约束，采用实时混合控制策略，实现车头时距偏差与乘客总行程时间最小的多目标优化。提出的公交串车调度方法，考虑到乘客到达率的不确定性，并通过调控公交车辆站点驻站时间以及路段平均行驶速度，可满足站点时段性群体聚集公交客流出行需求，防范潜在的公交串车。在模型求解上，考虑到双目标优化视角的差异性，运用超车规则对串车场景下的出站车辆重新排序，设计基于NSGA-II的求解算法，以拥挤距离标定序度关系，以精英策略获取新种群，改进交叉算子，并基于TOPSIS法对获取的Pareto解集择优。最后，以实际公交线路为例进行案例分析，结果表明：基于站点群体聚集性客流的公交串车优化调度模型，系统考虑了乘客乘车属性与车辆载客限制，能够输出最优的车辆滞站与车速调整方案，并且能运算得出车辆离站时间、车头时距偏差、准点率、乘客等待时间以及乘客行程时间等多项运营指标。优化前后对比表...     

随机运输时间下集装箱海铁联运箱流径路优化方法

集装箱在海铁联运过程中容易受到各种不确定因素的影响, 导致运输时间波动, 进而影响货物的送达准点率。为有效降低不确定运输时间的影响, 兼顾运输过程的经济性和绿色可持续性优化集装箱海铁联运箱流径路。采用随机机会约束规划构建运输总费用最少和碳排放量最低的多目标模型。在约束条件中引入铁路和海洋期望运到时间, 并对超过期望运到时间的径路进行惩罚处理, 保证运输径路的优越性。考虑一站直达和中转换装这2种运输组织模式, 克服现有研究未考虑货源是否充足的缺陷。运用不确定及概率论相关理论知识将不确定约束转化为线性约束。以西安至洛杉矶的集装箱货物出口径路优化为案例背景, 采用NSGA-Ⅱ算法求解, 并通过贪心算法改进初始化种群以及基于logistics分布的概率选择算子改进精英选择算子。通过对比分析得到以下结果: ①算法优化后运输总费用减少23.15万美元, 碳排放减少6.69 t, 同时算法求解速度提高了75.36%;②将本文模型选用的随机规划和模糊规划进行对比, 发现随机规划解集数量多于模糊规划, 且二者在相同输送径路中的运输总费用和碳排放量均优化了10.65%。因此本文模型和算法具有良好的优化效果。进行灵敏度分析, 观察置信水平以及时间影响系数对目标函数和货物送达准点率的影响。结果表明: ①较高的铁路和海洋运输置信水平会提高货物的运输总费用。②时间影响系数和货物送达准点率呈负相关, 影响系数越大货物送达准点率越低。      

机场飞行区无人驾驶清水车优化调度方法

针对机场航班延误和拥堵现象日益严重以及地面特种车辆服务航班效率低且存在较高安全隐患的问题，研究了面向机场飞行区无人驾驶清水车的优化调度方法。通过将无人驾驶清水车服务航班硬时间窗与梯形模糊隶属度函数相结合构建航班服务水平函数，结合传统C-W节约算法，考虑无人驾驶清水车服务机场航班的时间规则，实现了无人驾驶清水车总行驶路程最短以及航班服务水平最高的目标。考虑服务航班数量总和，衡量每辆无人驾驶清水车的服务航班阈值，并提出了服务航班任务量的差异评价值。新算法在C-W节约算法路径优化结果的基础上对未达到服务航班容量极限的子路径进一步优化，实现了所需服务航班的无人驾驶清水车数量最少、服务航班数量差异化最小的目标。以国内某机场航班信息为例，结果表明:与单车单服务模式相比，服务总路程节省59.36%，车辆使用减少84车次，航班服务水平为93.78%，航班任务量的差异评价值由93.32%降低至43.96%；与基准算法相比，新算法在实现任务量均衡的同时并不会增加总行驶路程，且将服务航班任务量的差异评价值由2.72降低至0.44，显著提高了车辆服务航班任务量的均衡性。